*内容仅为呈现不同市场观点与研究视角，并不意味着本公众号对文中观点结论认可。
过去两年，全球 AI 产业的焦点几乎都集中在参数规模、算力投资和模型能力竞赛上。万亿参数、百亿美元资本开支、数据中心军备赛，构成了以 OpenAI、Microsoft、NVIDIA 为代表的美股 AI 叙事主轴。华尔街的分析师们热衷于测算每家巨头拥有多少张 H100，大模型的上下文窗口能扩展到多少 token，仿佛只要算力足够强大，商业成功就会自然涌现。
但春节期间，一则来自中国的消息，却在商业化层面投下更深远的变量。Ant Group 宣布，支付宝"AI 付”用户数突破 1 亿，支付笔数早在 2 月 12 日已超过 1.2 亿笔，成为全球首个“支付笔数与用户规模双破亿”的 AI 原生支付产品。同时，蚂蚁阿福 App 用户数也突破 1 亿，其中 52% 新增用户来自三线及以下城市。
这意味着什么？这意味着，AI 第一次在真实消费场景中完成了规模级落地。不是实验室里的 Demo 演示，不是企业端的 API 调用测试，而是实打实的交易闭环。对于还在为"AI 如何变现”苦苦探索、依赖订阅制讲故事的美股龙头而言，这无疑是一记重拳。它标志着全球 AI 竞争进入了一个新的分水岭：从“技术能力”的竞争，转向了“商业闭环”的较量。
从模型竞赛到交易闭环——AI 付的真正突破
美股 AI 龙头的核心逻辑，是“模型能力驱动未来生产力提升”。从云端大模型到算力芯片，资本市场愿意为想象力买单，容忍长期的亏损以换取未来的垄断地位。但商业化路径大多仍停留在企业级 API 订阅或云服务叠加，C 端应用除了少数写作、绘图工具外，尚未出现杀手级产品。
相比之下，"AI 付”的突破点不在模型参数，而在支付场景的重构。
支付是数字商业中最敏感、最高频、最关键的环节。它要求极高的安全性、极低的延迟和绝对的准确性。在过去，AI 在金融领域的应用仅限于风控后台或客服前端，从未真正介入资金流转的核心决策。而"AI 付”的出现，意味着 AI 代理（Agent）已经获得了用户的信任授权，能够理解消费意图、匹配优惠场景、完成支付指令，形成完整闭环。
这与海外市场的 AI 助手模式截然不同。当前美国主流 AI 应用仍集中在文本生成、代码辅助或搜索增强，用户与 AI 的交互止步于“信息获取”。即便如 Apple Intelligence 或 Google Assistant，在涉及资金支付时仍需用户二次确认或跳转传统界面。而真正能够“直接完成支付”的 AI 产品仍处在探索阶段。换言之，中国市场率先完成了 AI 与金融支付的融合实验，跨过了“信任门槛”这一最大障碍。
更重要的是规模结构。蚂蚁阿福 App 新增用户中，52% 来自三线及以下城市。这说明 AI 应用不再局限于一线科技精英人群，而开始向更广泛消费层渗透。在科技行业，早期 adopters 往往是极客，但真正的商业爆发来自于大众市场。AI 付的成功不是高端科技尝鲜，而是大众市场验证。它证明了下沉市场用户同样愿意接受 AI 带来的便利，只要体验足够流畅、利益足够明显。
在全球 AI 商业化尚未大规模盈利的背景下，这种交易级落地具有象征意义。它表明，AI 的价值不在于能写多么优美的诗歌，而在于能多么高效地促成交易。
基础模型开源 + 支付生态闭环——阿里的双轮驱动
如果说支付规模是结果，那么背后的模型能力才是底层支撑。没有强大的理解能力和决策能力，AI 支付只会带来无尽的纠纷和资损。
近期，蚂蚁开源发布百灵大模型 2.5 版，包括万亿参数思考模型 Ring-2.5-1T 等旗舰模型；具身智能团队“灵波科技”也开源 LingBot-VLA、LingBot-World 等模型。模型开源、能力迭代，与支付场景形成协同关系。这是一种非常高明的战略：通过开源建立技术标准，通过场景验证模型能力。
这一策略与美股龙头形成鲜明对比。OpenAI 强调模型能力领先，采取闭源策略以维持壁垒；微软强化云端整合，将 AI 绑定在 Office 和 Azure 中；英伟达押注算力基建，卖铲子给所有人。但这些环节更多处于“供给侧”，它们提供了强大的工具，却缺乏直接触达消费者的“需求侧”入口。
阿里体系则将模型能力直接嵌入消费金融场景，通过支付这一高频入口完成需求侧验证。支付场景产生的海量数据（脱敏后）又能反哺模型训练，使其更懂用户意图、更懂消费场景。这种“数据飞轮”效应是纯模型公司无法具备的。
在全球范围内，支付是最接近现金流的 AI 应用场景。一旦 AI 能够理解并执行支付指令，它便成为消费决策的一部分，而不仅是信息工具。这意味着估值逻辑可能出现重构。美股 AI 龙头目前市值依然主要基于未来增长预期，采用 PS（市销率）估值，依赖远期现金流贴现；而 AI 付则已经产生真实交易规模，可以直接采用 PE（市盈率）或交易流水抽成模型估值，属于即时现金流循环。
从商业模式角度看，这是一种“场景驱动模型迭代”的路径，而非“模型驱动场景寻找”。两种路线在资本市场的回报节奏截然不同。前者可能爆发较慢但根基稳固，后者爆发快但容易遭遇落地瓶颈。当资本市场开始厌倦纯故事时，前者的优势将愈发明显。
全球 AI 竞争的拐点——谁掌握支付，谁掌握未来流量
AI 行业真正的护城河，未必在模型参数，而在用户入口。模型可以被复制，算力可以购买，但用户习惯和支付关系链难以迁移。
支付是数字经济最核心的流量枢纽。谁掌握支付入口，谁就掌握用户数据、消费行为与资金流动。AI 付的出现，意味着 AI 能力开始直接影响资金分配路径。当用户习惯对 AI 说“帮我买这张票”而不是自己点击支付时，平台就掌握了流量的分发权。
对于美股 AI 巨头而言，这带来两层压力。
第一层是商业化节奏压力。当中国市场已经完成规模级落地，美国 AI 应用若迟迟无法进入真实交易闭环，资本市场对"AI 变现”的耐心可能逐渐下降。投资者会开始质问：除了卖订阅会员，AI 到底能带来多少增量收入？如果中国模式被验证可行，而美国巨头无法跟进，估值逻辑将受到挑战。
第二层是生态控制权之争。如果 AI 最终成为“智能代理”，替用户做决策、执行支付，那么平台之间的竞争将从模型能力转向生态深度。支付体系与金融牌照将成为关键壁垒。在美国，Google Pay、Apple Pay 虽然普及，但受限于反垄断监管和银行体系，难以像中国超级 App 那样深度整合场景。这或许是阿里体系给全球 AI 龙头的真正挑战：不只是技术对抗，而是商业闭环的效率对比。
在这一背景下，AI 竞争的下一阶段，不再只是算力军备赛，而是“谁能更快将模型嵌入高频场景”。而支付，无疑是最高频、最具商业价值的场景之一。它连接着线上与线下，连接着虚拟与现实。谁能在收银台占据主导地位，谁就能在 AI 时代掌握真正的流量分发权。
结语：AI 的终局，不在聊天框，而在收银台
春节期间 1 亿用户、1.2 亿笔支付，不只是一次产品成绩单，而是一种产业信号。它宣告了 AI 应用层竞争进入了“实效主义”时代。
当全球 AI 公司仍在强调模型能力、API 调用量与算力投资规模时，阿里体系已经让 AI 走进收银台，完成真实资金流转。参数规模终究只是能力指标，交易规模才是商业验证。对于投资者而言，这或许意味着需要重新评估 AI 产业链的价值排序。真正的长期赢家，可能不是单纯掌握算力或模型的公司，而是能够将 AI 深度嵌入支付、金融与消费场景的生态型企业。
这并非否定基础模型的价值，而是强调商业落地的优先级。在技术革命的早期，基础设施最重要；在技术革命的中期，应用场景最重要。我们正处在从中早期向中期过渡的阶段。
AI 的终局，不在对话框，而在支付确认键。当 AI 能够安全、便捷地帮用户花钱时，它才真正成为了人类生活的代理人。对于资本市场而言，关注点应从“谁拥有最强的模型”，转向“谁拥有最深的场景”。在这场新的竞赛中，收银台里的革命，或许比实验室里的突破更具投资价值。
精彩评论